0
雷鋒網按：8 月 22 日，第三屆全球智能汽車前沿峰會（GIV 2020）在廣州隆重召開。
在大會下午的主題論壇中，華為智能汽車解決方案 BU MDC 營銷總監汪意革帶來了主題為《用汽車工業平臺化模式促進智能駕駛產業健康發展》的演講，與參會者分享了華為對自動駕駛以及未來智能駕駛產業鏈分工的思考。
事實上，在探討智能汽車之前，汪意革首先提到了智能手機，他提到，近十年來，每一個人的生活都被智能手機深刻地影響并改變了——這也釋放出一個強烈的信號：智能化是一種趨勢。
汪意革說道：
產業界現在很多人在講，架構定義汽車、軟件定義汽車，其實本質上是用戶需求在定義汽車。手機如此，汽車也是如此。用戶的需求在哪里，技術就應該往哪里發展、產業就應該往哪里發展。
從時間上來說，傳統汽車已然擁有一百多年的歷史，因此，在制造技術、商業模式等方面已十分發達成熟。汽車的出現無疑改變了人們的出行方式，每一次迭代，也在一定程度上促進了社會向前進步。
然而，汽車的發展也面臨一些深層次問題。比如使用率低（車主只是上下班使用下汽車，其他絕大部分時間車輛都停在車庫）、單次出行成本高等。再比如汽車定位的變化，目前已逐步從傳統的交通工具向智能移動空間演進，需要通過底層硬件的平臺化和軟件的OTA升級能力，持續給用戶帶來更優良的使用體驗。
這些問題都催促著汽車產業朝著更加智能的方向發展。不過，智能駕駛是一個非常寬泛的議題，包括自動駕駛、智能網聯等方面。
從華為的角度來看，自動駕駛主要可以分成三大類場景：作業車、商用車、乘用車。
作業車的道路場景相對簡單、路況可控，速度較低，主要作為生產工具而存在。
商用車的場地和線路相對可控，安全影響較小，與作業車一樣可以看作是生產工具。
乘用車則完全是另外一種情況，其駕駛場景非常復雜，速度可變性高，尤其高速駕駛很容易涉及安全問題；另外，用戶對駕乘體驗也有追求。
汪意革表示：
我們看到了不同的需求，這些需求使得整個產業的發展面臨來自多個維度的影響，我們將其稱之為「智能駕駛七維函數」，這些維度包括場景、道路、線路、路況、速度、安全、屬性。
由于不同的影響因素會催生不同場景，因此，要在這些不同的場景下發展智能駕駛就需要采用不同的技術路徑。針對不同場景下的智能駕駛發展路徑，華為方面認為主要可以分為兩類：
第一類包括作業車和商用車，它們的發展路徑主要是跨越式。
第二類是乘用車的發展路徑更可能是漸進式。
具體來說，作業車和商用車作為生產工具，主要的目標就是為了提升效率和降低成本，最終代替人類司機，從這個角度來看，作業車和商用車可以從 L2 直接向 L4 演進；相比之下，乘用車與人的生命安全密切相關，加之現在的技術、政策法規、社會倫理等還處在發展和變化過程當中，人對自動駕駛的接受程度也還有待提高。
但無論如何，第一類與第二類最終都會實現真正的 L5 級的自動駕駛。
由于智能駕駛是資本密集型、技術密集型、產業鏈密集型的產業，所以政府的引導作用至關重要。目前，國內已經建立了20多個智能網聯示范區。
汪意革強調，政府可以在基礎設施建設上提供政策層面的指導和技術上的探索。而在市場需求上，乘用車、作業車和商用車可以根據各自的路徑持續向前發展。他進一步補充：
智能駕駛產業依賴于政策協同與市場需求的雙輪驅動,只有這樣，智能駕駛產業才能走得既快又穩。
事實上，汽車是一個規模化工業，量產是其前提條件。在傳統的汽車產業中，平臺化是一個巨大的優勢。通過這一優勢，車企可以使用同一個平臺來生產不同的車型，最大程度攤薄成本，甚至不同車企之間也會共用一些平臺來分攤研發成本。
這種平臺化的思維使得接口和零部件變得更加標準化和通用化，整體降低研發與制造成本。
對于智能駕駛產業來說也面臨著同樣的問題。比如說現在的 ADAS 分布式架構，在汪意革看來，這是一種“煙囪式”的架構，其決策、感知、計算是獨立的，這就導致了軟件和硬件資源無法共享、使用效率低。
更關鍵的是，這種分布式架構無法向 L2、L3、L4 等更高級別的自動駕駛功能演進。
因此，汪意革認為，未來，集中式的計算架構材質主流。通過集中式的計算平臺，實現上層應用功能的持續新增、優化與迭代，并且通過OTA升級的方式，給用戶帶來常用常新的使用體驗。
而且，智能駕駛的計算平臺非常復雜，涉及到云、芯片、中間件、操作系統、移動通訊等技術；算法也會涉及聚類算法、機器視覺、深度學習算法、強化學習算法等。總之，技術堆棧非常之厚。
根據汽車工業的發展規律，越是復雜的系統，越是需要平臺化，在攤薄成本的基礎上保障規模化生產的質量一致性——過去汽車工業的底盤平臺、發動機平臺的成功經驗已經證明了這一點。
汪意革說道：
在智能駕駛計算平臺上，我們應該延用平臺化這種優良的模式。
而且，根據汪意革的說法，對智能駕駛計算平臺進行平臺化有更多的好處。主要有兩大方面：
第一，可以有更靈活的選擇。基于這個平臺，智能駕駛的感知、融合、定位、決策、規劃、控制等功能可以進行解耦。解耦完之后，車企可以積累一定的核心規控能力；而感知和融合等非車企的強項，車企則可以有針對性的來選擇這一方面的合作伙伴。
第二，基于同一平臺打造不同車型可大大提升研發效率，同時有助于部門內部技術語言的統一，加快產品的上市時間，實現異步研發等。
智能駕駛是一個全新的產業，整個產業鏈面臨重構。汪意革也向大家分享了華為對于未來整個智能駕駛產業鏈分工的暢想：
智能駕駛研發中心下可以設立場景應用部門、功能軟件平臺部門、算法部門和集成測試部門。其中，算法部可以通過自研和外購的方式來構建產業鏈，比如說決策、規劃和控制可能由車企自己研發，而感知、融合、定位等功能可以通過外購第三方技術。
具體來說，傳統車企擁有有大量的底盤性能、懸架性能、操控穩定性、行駛平順性等歷史數據。汪意革認為，這可以看作是一個先天優勢——傳統車企可以通過這些數據來建立仿真系統，進行集成測試與仿真，然后再逐步加強決策、規劃、控制方面的技術，最后通過已有的整車集成測試能力來實現“四位一體”良性循環，真正打造具有差異化、個性化競爭力的智能汽車產品。
不過，智能駕駛計算平臺則不是車企的強項。這一領域的玩家主要是 IT 公司和 AI 公司。根據汪意革的說法：
AI 公司應該遵從當前業界現有的傳感器接口標準、執行器接口標準，以及物理工程和信息安全方面的標準。基于此再對外開放 OS和中間件API接口，最終建立功能軟件平臺生態。
功能軟件平臺生態的構建可以在極大程度上促進產業鏈的精細化分工和協作，各參與方聚焦各自所長。比如AI公司可以聚焦于感知、融合算法組件，而車企則可以聚焦于決策、規劃和控制算法組件。
華為認為，汽車工業平臺化可以給主機廠更靈活的選擇和更大的創新空間，而汽車工業的專業化分工模式可以促進整個智能駕駛產業聚焦所長。比如車企聚焦于決策、規劃、控制等核心能力，并與產業鏈中傳感器、執行器、應用算法等生態伙伴密切合作，共同打造智能駕駛解決方案。
雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
